Laravel 模型状态管理:一个全面指南

Laravel 模型状态管理:一个全面指南

laravel-model-statusEasily add statuses to your models项目地址:https://gitcode.com/gh_mirrors/la/laravel-model-status

项目介绍

laravel-model-status 是一个简洁而集成度高的 Laravel 包,旨在为 Eloquent 模型轻松添加状态管理功能。此包允许开发者通过简单的方式定义和切换模型的状态,非常适合那些需要追踪不同状态变化的应用场景,比如文章发布状态(草稿、已发布、隐藏)等。

项目快速启动

安装

首先,通过 Composer 添加此包到你的 Laravel 项目中:

composer require spatie/laravel-model-status

接下来,发布迁移文件以创建存储状态的表:

php artisan vendor:publish --provider="Spatie\ModelStatus\ModelStatusServiceProvider" --tag="migrations"

执行迁移:

php artisan migrate

可选地,你可以选择发布配置文件来自定义设置:

php artisan vendor:publish --provider="Spatie\ModelStatus\ModelStatusServiceProvider" --tag="config"

基本使用

假设你有一个名为 Post 的模型,想要为其添加状态,先定义状态枚举:

use Spatie\ModelStatus\HasStatuses;
use Spatie\ModelStatus\ModelStatus;

class Post extends Model implements HasStatuses
{
    use HasStatuses;

    protected static function boot()
    {
        parent::boot();
        
        static::saving(function ($model) {
            // 自定义保存时的行为,如不需要触发事件时
            $model->withoutStatusEvents();
        });
    }
    
    public function getStatus(): ?ModelStatus
    {
        // 返回当前状态
        return $this->getStatusInstance();
    }
}

检查或更改状态示例:

$post = Post::find(1);
if ($post->hasStatus(PostStatus::Published)) {
    echo "文章已发布";
} else {
    $post->setStatus(PostStatus::Published);
    $post->save();
}

应用案例和最佳实践

在多态或复杂状态逻辑的应用中,利用模型状态管理可以清晰地分离状态逻辑,并简化状态变更的处理。例如,在评论系统中,可以为评论模型添加“待审核”、“已批准”、“已拒绝”等状态,通过监听状态变更事件来触发通知或其他业务操作。

// 在模型中注册事件监听器
protected static function boot()
{
    parent::boot();

    static::statusChanged(function ($model, $oldStatus, $newStatus) {
        // 实现状态改变后的业务逻辑,例如发送邮件通知
    });
}

典型生态项目

虽然直接从项目页面未提供特定的“典型生态项目”,但在 Laravel 生态中,状态管理常与其他扩展结合使用,例如与工作流管理、权限控制(如 Laravel Gates 和 Policies)以及队列任务,共同构建出更复杂的业务流程。例如,当状态变为“已发布”时,自动触发文章推广至社交媒体的任务,这可以通过 Laravel 的事件调度和队列系统实现。


这个指南提供了基础安装和快速上手的信息,深入应用还需参考项目的详细文档和持续探索Laravel生态中的可能性。希望这个简要指南对您管理模型状态有所帮助。

laravel-model-statusEasily add statuses to your models项目地址:https://gitcode.com/gh_mirrors/la/laravel-model-status

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

宋韵庚

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值